Python如何给你的程序做性能测试
问题
你想测试你的程序运行所花费的时间并做性能测试。
解决方案
如果你只是简单的想测试下你的程序整体花费的时间，通常使用Unix时间函数就行了，比如：
bash%timepython3someprogram.py real0m13.937s user0m12.162s sys0m0.098s bash%
如果你还需要一个程序各个细节的详细报告，可以使用cProfile模块：
bash%python3-mcProfilesomeprogram.py 859647functioncallsin16.016CPUseconds Orderedby:standardname ncallstottimepercallcumtimepercallfilename:lineno(function) 2631690.0800.0000.0800.000someprogram.py:16(frange) 5130.0010.0000.0020.000someprogram.py:30(generate_mandel) 2626560.1940.00015.2950.000someprogram.py:32() 10.0360.03616.07716.077someprogram.py:4( ) 26214415.0210.00015.0210.000someprogram.py:4(in_mandelbrot) 10.0000.0000.0000.000os.py:746(urandom) 10.0000.0000.0000.000png.py:1056(_readable) 10.0000.0000.0000.000png.py:1073(Reader) 10.2270.2270.4380.438png.py:163( ) 5120.0100.0000.0100.000png.py:200(group) ... bash%
不过通常情况是介于这两个极端之间。比如你已经知道代码运行时在少数几个函数中花费了绝大部分时间。对于这些函数的性能测试，可以使用一个简单的装饰器：
#timethis.py
importtime
fromfunctoolsimportwraps
deftimethis(func):
@wraps(func)
defwrapper(*args,**kwargs):
start=time.perf_counter()
r=func(*args,**kwargs)
end=time.perf_counter()
print('{}.{}:{}'.format(func.__module__,func.__name__,end-start))
returnr
returnwrapper
要使用这个装饰器，只需要将其放置在你要进行性能测试的函数定义前即可，比如：
>>>@timethis ...defcountdown(n): ...whilen>0: ...n-=1 ... >>>countdown(10000000) __main__.countdown:0.803001880645752 >>>
要测试某个代码块运行时间，你可以定义一个上下文管理器，例如：
fromcontextlibimportcontextmanager
@contextmanager
deftimeblock(label):
start=time.perf_counter()
try:
yield
finally:
end=time.perf_counter()
print('{}:{}'.format(label,end-start))
下面是使用这个上下文管理器的例子：
>>>withtimeblock('counting'):
...n=10000000
...whilen>0:
...n-=1
...
counting:1.5551159381866455
>>>
对于测试很小的代码片段运行性能，使用timeit模块会很方便，例如：
>>>fromtimeitimporttimeit
>>>timeit('math.sqrt(2)','importmath')
0.1432319980012835
>>>timeit('sqrt(2)','frommathimportsqrt')
0.10836604500218527
>>>
timeit会执行第一个参数中语句100万次并计算运行时间。第二个参数是运行测试之前配置环境。如果你想改变循环执行次数，可以像下面这样设置number参数的值：
>>>timeit('math.sqrt(2)','importmath',number=10000000)
1.434852126003534
>>>timeit('sqrt(2)','frommathimportsqrt',number=10000000)
1.0270336690009572
>>>
讨论
当执行性能测试的时候，需要注意的是你获取的结果都是近似值。time.perf_counter()函数会在给定平台上获取最高精度的计时值。不过，它仍然还是基于时钟时间，很多因素会影响到它的精确度，比如机器负载。如果你对于执行时间更感兴趣，使用time.process_time()来代替它。例如：
fromfunctoolsimportwraps
deftimethis(func):
@wraps(func)
defwrapper(*args,**kwargs):
start=time.process_time()
r=func(*args,**kwargs)
end=time.process_time()
print('{}.{}:{}'.format(func.__module__,func.__name__,end-start))
returnr
returnwrapper
最后，如果你想进行更深入的性能分析，那么你需要详细阅读time、timeit和其他相关模块的文档。这样你可以理解和平台相关的差异以及一些其他陷阱。还可以参考13.13小节中相关的一个创建计时器类的例子。
以上就是Python如何给你的程序做性能测试的详细内容，更多关于Python做性能测试的资料请关注毛票票其它相关文章！